浅谈甘肃省地区生产总值预测.doc

浅谈甘肃省地区生产总值预测 　　【摘要】为了更好认识和预测甘肃省GDP的发展状况，本文将对近年来甘肃省GDP运用ARMA模型进行简单的分析与预测。从而可以提出对于甘肃省GDP进一步增长的建议。 【关键词】ARMA GDP 经济增长 预测 一、引言 国内生产总值（Gross Domestic Product，简称GDP）是指在一定时期内（一个季度或一年），一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，还可以反映一国的国力与财富。GDP核算的生产范围包括以下三个部分：第一，生产者提供或准备提供给其他单位的货物和服务的生产；第二，生产者用于自身最终消费或资本形成的所有货物的自给性生产；第三，自有住房拥有者为自己最终消费提供的自有住房服务，以及付酬的自给性家庭服务生产。生产范围不包括不支付报酬的自给性家庭服务、没有单位控制的自然活动等。 由于市场机制的影响下，对长时间的经济增长会呈现出一定的规律，所以可以使得GDP有了一定的可测性。而国内生产总值既能在宏观上反映经济周期的变化，又能在微观上反映出经济增长幅度。因此本文应用甘肃省2005年以来GDP的季度数据，对趋势变量和季节虚拟变量进行回归，引入ARMA模型来反映GDP的动态变化，并利用该模型对2012年的GDP预测。最后浅析甘肃省经济的周期波动及其发展变化。 二、方法介绍 ARMA模型简介 ARMA模型（Auto-Regressive and Moving Average Model）是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。由于ARMA预测模型不直接考虑其他相互因素的变动，只要掌握了必要的计算手段，该预测方法比较简明，适合用于进行指标数量不大，但预测频度较高的预测工作。 ARMA模型的三种基本形式： 1.自回归模型AR（p） 其中c为常数，为自回归系数，为方差为的白噪音过程。 2.移动平均模型MA（q） 其中c为常数，为移动平均系数。为方差为的白噪音过程。 3.自回归移动平均模型ARMA（p，q） 其中c为常数，和分别为自回归系数和移动平均系数。为方差为的白噪音过程。 上面三个式子用滞后算子表示为： 其中滞后算子多项式满足： 显然，AR（p）模型和MA（q）模型都是ARMA（p，q）模型的特例。 三、实证分析 （一）建立初始模型 1.初始数据 2005年第一季度到2012年3季度的GDP数据时序图如图1所示。 单位：亿元 图1 GDP数据时序图 通过观察时间序列图，可以看出该序列具有一个整体向上的线性趋势，同时图形还表现出明显的季节性（每年的4季度值较高）。因此根据明显的时间趋势和截距项，从2005年起甘肃省各季度GDP应该为一非平稳时间序列。 2.数据处理 由于GDP带有很强的趋势成分和季节成分，而我们的目的主要是利用ARMA模型对其周期成分进行分析，因此需要对此类的数据先进行消除趋势和季节的处理，如图2所示。 图2 消除季节因素的GDP时序图 对图2消除季节因素的GDP取对数，得到结果，如图3所示。 图3 去除季节因素的GDP对数序列 通过对图2和图3观察，发现序列是有着明显的趋势的非平稳模型，并且是确定性趋势模型。为去除含有趋势的非平稳时间序列，用差分法对其去除趋势，使其平稳。如图4对其进行一阶差分。 图4 GDP对数一阶差分时序图 3.初始模型 对其建立ARMA（1，2）模型，即 其方程估计结果如图5所示。 图5 DLNGDP的ARMA（1，2）过程估计 （二）选择最优模型 虽然初始模型比较理想，但是仍需要其他不同阶数的ARMA（p，q）模型作对比，并从中选择最优的模型。如表1。 根据上表可以知道，应该选择常数项不为0的ARMA（1，2）模型。改模型去除季节因素，即可得到： 上式的预测拟合图如图6所示。 其中DLNGDP的残差序列的Q相关图如图7所示。 根据图8所示可以得到：在1%、5%、10%的显著性水平下均能拒绝含有单位根的原假设，因而可以认为参差序列不存在相关性，与根据自相关图判断结果一致。 （三）运用模型进行预测 选择静态的预测可以得到结果，如图9所示。 图9 DLNGDP的一阶差分预测序列 对预测值和实际值作对比，得到结果如图10所示。 图10 DLNGDP与DLNGDPF的对比图 根据图10可以得到数据2012年3季度的DLNGDPF